[发明专利]一种基于深度学习的无人机智能巡检混合波束赋形方法

权利要求书

1.一种基于深度学习的无人机智能巡检混合波束赋形方法，其特征是，包括有以下步骤：

设计并构建无人机巡检构架及多输入多输出毫米波传输链路的系统模型；

通过Python端搭建神经网络，进行构架设计及参数调整；

根据无人机巡检构架和系统模型，通过Matlab构建信道模型，将产生的信道数据作为神经网络的输入数据；

神经网络的输出为频谱效率，训练神经网络，并进行验证和评估，得到使得频谱效率最大化的最优波束赋形矩阵。

2.根据权利要求1所述的基于深度学习的无人机智能巡检混合波束赋形方法，其特征是，所述无人机巡检构架的设计和构建具体为：

无人机上配备设定数目的天线，将无线接入点安装于杆塔上；

无人机于距离输电线设定范围内的高空飞行，并将巡检获取的数据实时回传至无线接入点。

3.根据权利要求2所述的基于深度学习的无人机智能巡检混合波束赋形方法，其特征是，所述系统模型的设计和构建具体为：

设定无人机端模块配置N_t根发射天线，无线接入点端配有N_r根发射天线；

收发两端均设置N_RF条射频链路且满足min(N_t,N_RF)＞N_RF,假设发送的数据流数矢量s,长度为N_s，满足

4.根据权利要求1所述的基于深度学习的无人机智能巡检混合波束赋形方法，其特征是，所述神经网络的搭建具体为：

采用卷积神经网络，设置神经网络的各层；

设定输入值、输出值、损失函数相关信息；

将时变信道模型产生的信道数据作为输入数据，输出为频谱效率；

将均方误差作为损失函数评估。